【华中科技大学软件学院】云计算：Hadoop实验

一、xshell远程访问服务器

二、ssh安装(忽略)

1. 下载ssh

   yum install -y openssl openssh-server
   

2. 修改配置文件

   • lsattr /etc/ssh/sshd_config 查看权限
   • chattr -V -ia /etc/ssh/sshd_config 修改权限
   • vim /etc/ssh/sshd_config
   • 将上图的PermitRootLogin，RSAAuthentication，PubkeyAuthentication的设置打开。

3. 启动ssh服务

   systemctl start sshd.service
   

4. 设置开机自动启动ssh服务

   systemctl enable sshd.service
   

5. 设置文件夹~./ssh的访问权限

   • cd ~

   • chattr -i ./.ssh

   • chmod 700 .ssh

   • chmod 600 .ssh/

   • ls -la .ssh

   • authorized_keys文件存储的是客户端的公共密钥。

三、配置虚拟机通信（三台）

• 确保虚拟机之间可以相互访问

  • 比如在某一机器上ping另一个主机的ip：ping 10.64.26.98

• 配置虚拟机的hostname

  • vi /etc/hostname,将原内容删除，三台机器分别写入master,data1,data2,然后保存更改该并退出

  • sudo shutdown -r now重启服务器，让hostname生效

• 配置三台服务器的hosts

  • 修改 /etc/hosts，使用命令vi /etc/hosts

  • 改为如下

  • 每个机器都要这样修改

• 配置服务器之间的ssh免密登录（生成密钥）

  • 在每个服务器上都运行ssh-keygen -t rsa，一直回车即可
  • [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lwOVHlJl-1656142093633)(C:Userswzq20AppDataRoamingTyporatypora-user-imagesimage-20220623155138093.png)]

• 实现节点间的免密访问

  ssh-copy-id -i ~/.ssh/id_rsa.pub master
  ssh-copy-id -i ~/.ssh/id_rsa.pub data1
  ssh-copy-id -i ~/.ssh/id_rsa.pub data2
  

• 检验配置是否成功：

  • ssh data1,查看是否免密跳转到对应的data1节点（使用exit退出）

四、JDK和Hadoop环境配置 4.1 传送jdk和hadoop文件

• 使主机的/usr/local文件夹支持写入

  • cd /usr
  • sudo chmod 777 local

• 解压分布式实验中jdk和hadoop压缩包，然后在此处打开命令行，输入以下命令，将windows本地的hadoop传到主机上：

  scp .hadoop-2.7.7.tar.gz .jdk-7u80-linux-x64.tar.gz root@10.64.26.63:/usr/local
  

  此处的10.64.26.63即是主机的ip地址

• 过程：

• 查看主机对应文件夹

  ls /usr/local
  

• 在主机master上，将文件传给其他节点（data1，data2）

  scp hadoop-2.7.7.tar.gz jdk-7u80-linux-x64.tar.gz root@data1:/usr/local
  

4.2 安装jdk和hadoop

• 解压jdk和hadoop

  cd /usr/local
  
  mkdir /usr/java
  
  mkdir /usr/hadoop
  
  tar -zxvf jdk-7u80-linux-x64.tar.gz -C /usr/java
  
  tar -zxvf hadoop-2.7.7.tar.gz -C /usr/hadoop/
  

• 配置环境变量

  • vim ~/.bashrc

  • 添加以下语句(复制以下语句，然后再vim中shift+insert)

    export JAVA_HOME=/usr/java/jdk1.7.0_80
    export PATH=$PATH:$JAVA_HOME/bin
    export HADOOP_HOME=/usr/hadoop/hadoop-2.7.7
    export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
    

  • 使⽤ source ~/.bashrc ，使其⽴即成效

  • java -version和hdfs version确定环境变量修改成功

4.3 服务器配置hadoop（每台都需要配置）

• 使用cd /usr/hadoop/hadoop-2.7.7/etc/hadoop/,进入配置文件夹

• 修改hadoop-env.sh

  • 使用vim hadoop-env.sh，打开文件开始编辑

  • 找到export JAVA_HOME=的一行，注释掉，添加内容export JAVA_HOME=/usr/java/jdk1.7.0_80

• 修改core-site.xml

  • 使⽤ vim core-site.xml ，打开⽂件开始编辑

  • 在 之间添加内容

    
    
    fs.defaultFS
    hdfs://master:8020
    
    
    
    hadoop.tmp.dir
    file:/root/temp/hadoop
    
    

• 修改hdfs-site.xml

  • 使⽤vim hdfs-site.xml编辑

  • 在 之间添加内容

            
            
                    dfs.replication
                    2
            
            
            
                    dfs.namenode.name.dir
                    file:/root/temp/hadoop/namenode
            
            
            
                    dfs.datanode.data.dir
                    file:/root/temp/hadoop/datanode
            
    

• 修改mapred-site.xml

  • 使⽤ cp mapred-site.xml.template mapred-site.xml ，根据模板复制出mapred-site.xml ⽂件

  • 使⽤ vim mapred-site.xml ，编辑⽂件

  • 在 之间添加内容

            
            
                    mapreduce.framework.name
                    yarn
            
    
    

• 修改yarn-site.xml

  • 使⽤ vim yarn-site.xml ，开始编辑

  • 在 之间添加内容

            yarn.nodemanager.aux-services
                    mapreduce_shuffle
            
            
                    yarn.resourcemanager.hostname
                    master
            
    
    

• 修改slaves⽂件

  • 使⽤ vim slaves ，开始编辑

  • 删除⽂件内所有内容，然后直接添加

    data1
    data2
    

• 拷贝所有配置文件到data1,data2

  for i in {1..2}; do
  scp $HADOOP_HOME/etc/hadoop/* data${i}:$HADOOP_HOME/etc/hadoop/;
  done
  

4.4 启动Hadoop 4.4.1 关闭防火墙

​ 在3个节点进⾏如下操作：

# 停掉防⽕墙
service firewalld stop
chkconfig firewalld off

4.4.2 格式化NameNode

hdfs namenode -format

​ 这个命令非常危险！你应当只在新建集群后执行一次，因为namenode保存的是HDFS的所有元信息，如果丢失了，整个集群中DataNode的数据都无法访问，就算它们还在磁盘上

4.4.3 启动HDFS

​ 运⾏NameNode daemon和DataNode daemon

• 使⽤ sbin/start-dfs.sh ，启动dfs服务

• 正确启动，会有如下提⽰；并且输⼊jps也会有类似的 SecondaryNameNode, Jps, NameNode 这样的提⽰

• dataX节点也可输⼊jps查看相应提示

• 如需关闭hdfs服务，在hadoop⽬录下使⽤ sbin/stop-dfs.sh

4.4.4 开启YARN

​ 运⾏ResourceManager daemon和NodeManager daemon

• 使⽤ sbin/start-yarn.sh ，启动yarn服务

• 正确启动，会有如下提⽰；并且输⼊jps也有类似提示

• 如需关闭，使用 sbin/stop-yarn.sh

4.4.5 使用前的准备工作

• 使用xftp将 将测试⽂件 tale.txt 和 war_peace.txt 上传到服务器上

• 将测试⽂件 tale.txt 和 war_peace.txt 上传到hdfs

  hadoop fs -copyFromLocal tale.txt /
  hadoop fs -copyFromLocal war_peace.txt /
  
  # 查看
  hadoop fs -ls /
  

• 在hdfs上创建⽬录并移动文件

4.4.6 在master节点使⽤mapreduce-wordcount

• 当hdfs和yarn服务成功开启后，便可以执行mapreduce程序
• 常规的指令为 hadoop jar jarFile [mainClass] args
  • 如果自己编写了Java开发的MapReduce版wordcount程序，需要将其打包成jar 包，然后使⽤上述指令执行

---

1. 利⽤mapredice-wordcount对tale.txt进⾏单词统计

   • 先进进入mapreduce文件夹

     # 进⼊mapreduce ⽰例程序⽂件夹
     cd $HADOOP_HOME/share/hadoop/mapreduce
     

   • 执行

   hadoop jar hadoop-mapreduce-examples-2.7.7.jar wordcount /small/tale.txt /wordcount/output
   

2. 查看结果

   使⽤ hadoop fs -ls -R / ，查看wordcount执⾏完成后hdfs的状态

3. 把wordcount输出⽂件从hdfs拷⻉到本地

# 切换⾄~⽬录
cd
# 查看当前~⽬录状态
ll
# 将wordcount输出⽬录/wordcount/output拷⻉到本机~⽬录
hadoop fs -copyToLocal /wordcount/output
# 查看拷⻉后~⽬录状态
ll
# 切换⾄output⽬录
cd output/
# 查看output⽬录状态
ll

4. 查看输出文件

less part-r-00000